- 博客(7)
- 收藏
- 关注
RSS订阅原创 山东大学软件学院创新项目实训——使用用Gradio实现网页交互
这段代码使用 Gradio 库创建了一个简单的聊天机器人界面，允许用户输入消息并获取生成的回复。界面包括输入框、提交按钮、清空按钮以及用于调节生成回复参数的滑块。通过设置点击事件和定义处理函数，实现了基本的聊天功能。使用 Gradio 库构建一个简单的聊天机器人界面。该界面允许用户输入消息，并根据用户的输入生成回复，同时提供了一些可调节的参数。启动 Gradio 应用。定义用户输入和处理逻辑。
2024-06-24 11:57:24
315
原创 Gradio学习：用Gradio实现前端
Gradio是一种用于构建AI界面的开源库，可以让您快速构建自己的应用程序并与AI模型进行交互。无需编写任何代码，Gradio可帮助您创建交互式Web界面，用户可以轻松地输入数据并查看结果。Gradio支持多种输入和输出组件，可以根据需要选择不同的组件，并提供了许多高级功能，例如设置默认值、自定义组件、添加描述等。
2024-06-24 11:41:15
844
原创 山东大学软件学院创新项目实训——提供训练ChatGLM-6B模型的数据集
然后开始训练，先在阿里云启动命令打开训练界面，之后利用转换后的数据对模型进行训练。
2024-06-24 10:39:07
107
原创 山东大学软件学院创新项目实训开发——初步学习训练ChatGLM-6B模型
我们小组项目目标是对ChatGLM-6B模型进行调参与训练，最后产出一个一个高度智能化、交互友好且信息丰富的电影咨询网站。ChatGLM-6B 是一种基于 General Language Model (GLM) 框架的对话模型，具有 60 亿参数，能够生成高质量的自然语言文本。通过本文的介绍，为了达到项目目的，我们对如何从零开始训练一个大规模语言模型有了基本的了解。在训练模型之前，需要对数据进行预处理。ChatGLM-6B 基于 GLM 框架，结合了自回归和自编码模型的优势，能够有效处理上下文信息。
2024-05-31 00:19:16
410
原创 山东大学软件学院创新项目实训开发——爬取电影短评并探索如何分析用户的喜好
我们将以豆瓣电影Top2500榜单为例，利用Python强大的网络爬虫技术，获取其中的短评数据，并进行简单的数据分析，来洞察用户对电影的偏好。首先，开发环境已安装Python及必要的库，包括`requests`用于发送HTTP请求，`BeautifulSoup`用于解析HTML文档，以及`pandas`进行数据分析。使用`pandas`进行数据预处理和分析，比如统计高频词汇、情感倾向等。对于更深入的分析，可以引入自然语言处理库，如`jieba`或`nltk`，进行情感倾向分析，了解用户对电影的整体态度。
2024-05-30 23:50:51
412
原创 山东大学软件学院创新项目实训开发——应用反爬虫
year, country, category = temp[0], temp[1], temp[2] # 得到年份、地区、类型。col = ("电影详情链接", "图片链接", "中文名", "评分", "评价数", "概述", "上映年份","制片国家","类型")oTitle = Title[1].replace("/", "") # 外译片名。book = xlwt.Workbook(encoding="utf-8") # 创建workbook对象。", "") # 去掉句号。
2024-05-30 23:04:02
954
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人